兩度墮入寒冬的 AI，如何完成偉大逆襲？

本文是《環球科學》總編、社長陳宗周先生撰寫的系列專欄「AI傳奇」的第二回。通過該專欄，陳宗周先生將帶領我們回顧AI在過去60年走過的風風雨雨，也前瞻AI將如何塑造人類社會的未來。

對專欄有任何建議和意見、對AI的歷史和發展有任何問題，歡迎在評論區留言，陳宗周先生會親自回復一些重要的問題，並有可能通過直播的方式，與讀者朋友一起討論AI的歷史與未來。

陳宗周是《環球科學》雜誌社社長，《電腦報》創始人。

吳恩達預言AI寒冬不會再出現，潛台詞是曾經有過寒冬。的確，很少有某一科學領域像AI這樣，在漫漫發展歷程中，經歷那麼多的大起大落。中國科學院自動化研究所研究員王飛躍這樣形容：人工智慧發展似乎沒有經歷春秋兩季，只有夏天和冬天，忽冷忽熱。

1956年達特茅斯會議：AI的誕生

一般認為，AI的起點在1956年夏季，在美國東北部風景如畫的新罕布希爾州漢諾佛（Hanover）小鎮。這年夏季，小鎮上歷史悠久的常春藤聯盟大學達特茅斯學院（Dartmouth College）聚集了一群人。正是他們，開啟了波瀾壯闊而又起伏跌宕的AI壯麗史詩序幕。

2006年達特茅斯會議當事人重聚，

左起：摩爾、麥卡錫、明斯基、塞弗里奇、所羅門諾夫

與會十來人，其中馬文·明斯基（Marvin Minsky）、約翰·麥卡錫（John McCarthy）、艾倫·紐厄爾（Allen Newell） 、赫伯特·西蒙（Herbert A Simon）四人之後獲得了圖靈獎。中文名字叫司馬賀的西蒙，還獲得了諾貝爾經濟學獎。其餘幾位還包括：資訊理論創立者克勞德·香農(Claude Shannon)、剛開發出跳棋程序打敗自己的阿瑟·塞繆爾（Arthur Samuel）等等。

靈魂人物、會議召集者麥卡錫當時是達特茅斯學院的數學系年輕助教，1955年8月31日，他起草了由他和香農等四人聯合簽名的建議書，提議在第二年夏季召開一次人工智慧會議，Artificial Intelligence（AI）概念第一次在這份歷史性的建議書中出現。也正由於這份建議書，有人堅持認為AI的起點應該在這裡，在1955年。儘管晚年麥卡錫曾坦承，AI並不是他的首創，是從什麼地方搬來，出處自己也記不清了。無論他說什麼，「人工智慧之父」的桂冠，早已經牢牢地戴在他頭上。

麥卡錫的構想非常宏大，建議書里開列了翌年會議研討的七個領域：自動（即可編程）計算機、編程語言、神經網路、計算規模（即複雜性）理論、自我改進（即機器學習）、抽象、隨機性和創見性。這些領域幾乎勾勒出今後人工智慧研究的雄偉輪廓。

1956年，達特茅斯會議如期在夏天舉行。「解決AI領域一個或更多問題」的會議目標雖然無法實現，但西蒙和紐厄爾的啟發式程序「邏輯理論家」（Logic Theorist），證明了名著《數學原理》第二章52個定理中的38個；麥卡錫介紹了下棋程序中α—β搜索法、明斯基帶來了學習通過迷宮的Snarc學習機雛形，這些成果，開拓了AI最初的學科研究疆界。

會議期間，AI名稱確定（儘管當時也有爭論），任務得以初步明確，並出現了最初成果和最早一批研究者。這都被廣泛認為是AI誕生的標誌。

達特茅斯會議合影

之後的十多年，AI在人類智能的一些領域不斷取得突破，湧現了大批成功的AI程序和新研究方向。

儘管當時編程工具十分初級，AI研究人員，還只能夠著眼於一些特定問題，但那時出現的幾何定理證明器，已可以證明一些棘手的幾何定理；西洋跳棋程序，水平進化到打敗州冠軍；程序已能求解大學一年級的一些微積分問題；積木系統，可以用機械手每次拿起一塊積木，按照指定方式調整積木堆。原以為只能進行數值計算的機器，已經能做一些原屬於人類智能的事情。

AI專門研究機構開始創建，資助經費大量到來。麥卡錫和明斯基跳槽到MIT（麻省理工學院），創建了第一個AI實驗室。1963年，剛成立的ARPA（先進研究計劃署，是網際網路的始創者）立刻給予MIT的AI研究220萬美元，後來追加到每年300萬美元。紐厄爾和西蒙所在的卡內基梅隆大學以及斯坦福大學的AI項目，同樣得到ARPA的經費資助。美國國家科學委員會（NRC）對機器翻譯等AI項目提供了2000萬美元資助經費。在英國，另一個重要的AI實驗室於1965年在愛丁堡大學建立，也得到充足經費支持。

總之，達特茅斯會議之後的十多年，AI研究不斷取得進展，鼓勵前沿探索研究的資助經費源源不斷，有人把這段時間稱為AI的黃金十年。

遇到瓶頸：計算能力之殤

當時的AI研究人員和領軍人物對未來極其樂觀。1958年西蒙預言「十年之內，計算機將成為國際象棋世界冠軍。」 紐厄爾則說 「十年之內，計算機將發現並證明一個重要數學定理。」1965年，西蒙認為「二十年內，機器將能完成人能做到的一切工作。」到1967年，明斯基更大膽判斷：「在我們這一代人的努力下，創造人工智慧難題將會從根本上被解決。」這就是所謂的「一代人解決AI問題」豪言 。

但是，70年代初，AI遭遇了瓶頸，問題和批評接踵而來。

AI研究人員遭遇的最重要瓶頸是當時計算機能力嚴重不足，有限的處理速度和內存不足以解決許多實際的AI問題。例如，自然語言處理方面，內存只能容納含20個單詞的辭彙表，只能應付表演。更有人從理論上證明，AI有關的許多問題只能在指數時間內獲解（處理時間與處理規模的冪成正比）。按這樣的理論，解決稍微複雜一點的問題，幾乎需要無限長的時間。這意味著，AI中的許多程序理論上就只能停留在簡單玩具階段，不會發展為實用工具。

另一方面，初創的AI那時也實在膚淺。

這就是AI，彷彿條條路都可以通往人腦核心，但再往前走，卻發現高牆林立。

冰冷的寒風吹來了。著名應用數學家萊特希爾爵士（James Lighthill）受英國科學研究委員會（Science Research Council）之託，全面審核調研AI領域學術研究的狀況。1973 年，歷史上赫赫有名《萊特希爾報告》（Lighthill Report）推出。報告批評了機器人和自然語言處理等AI領域裡的許多基本研究，結論十分嚴厲——「AI領域的任何一部分都沒有能產出人們當初承諾的有主要影響力進步」。整個報告，流露出對AI研究在早期興奮期過後的全面悲觀。《萊特希爾報告》一出，英國政府停止了除三所大學之外的全部AI相關研究的資助。

同樣，美國政府受到來自國會的壓力，大規模削減了AI探索性研究經費，轉而資助那些被認為更容易取得有影響力進展的領域。

各國政府紛紛仿效，如同釜底抽薪，曾經火熱的AI一下子從雲端跌落，經歷第一次 「人工智慧寒冬」（AI Winter）。之後十來年，AI幾乎淡出人們視野。

AI復興與再度冷卻：從專家系統風靡到個人電腦普及

AI的第二次高潮，在上世紀80年代初開始，引領力量是知識工程和專家系統。專家系統實際上是一套程序軟體，能夠從專門的知識庫系統中，通過推理找到一定規律，像人類專家那樣解決某一特定領域的問題。簡單說，專家系統等於知識庫加上推理機。

這一次AI復興，與斯坦福大學教授愛德華·費根鮑姆（EdwardFeigenbaum）有很大關係。由於對AI的貢獻，他獲得了1994年的圖靈獎。

早在1965年，他和諾貝爾獎得主萊德伯格（Joshua Lederberg）等人合作，開發出了世界上第一個專家系統程序DENDRAL，能夠從幾千種可能的分子結構中挑選出一個正確的。這一示範性專家系統讓很多科研機構和企業紛紛開發自己的專家系統，上世紀80年代初進入高潮。

世界上第一個專家系統程序DENDRAL主要開發者，愛德華·費根鮑姆

1980年，卡內基梅隆大學為DEC（數字設備公司）設計了名為XCON的專家系統。到1985年，企業投入已超過10億美元，催生出一批IT新公司。

各國政府也努力趕上這波AI潮流，紛紛推出政府主導的宏偉AI新計劃。日本號稱投資8.5億美元的五代機計劃、英國耗資3.5億英鎊的阿爾維（Alvey）計劃，相繼在80年代推出。而美國的DARPA（國防先進研究計劃署，即以前的ARPA改稱） 對AI的投資，1988年已增加到1984年的三倍。

AI的第二次熱潮，在上世紀80年代後期開始降溫，到上世紀90年代幾乎完全冷卻，標誌事件是各國政府基本停止對AI的經費支持。AI的再一次跌落，AI第二次低潮，是由於關注點和投資迅速轉向了個人電腦和後來的互聯網產業。

日本的五代機計劃聲勢最大，結局也最為悲壯。1981年，全球電子行業風頭正健的日本，已經在計算機的核心器件半導體存儲器DRAM等硬體領域超越美國，為了未來IT領域的全面競爭，日本政府把突破口選擇在發展第五代智能計算機。

日本五代機的主要目標是採用新儲存結構、新程序設計語言和新操作系統，突破「馮·諾依曼瓶頸」，大規模並行處理知識信息。日本計劃的五代機有這樣的功能：能處理知識；具有聽覺、視覺甚至味覺；能聽懂人說話，自己也能說話；能認識不同的物體，看懂圖形和文字。甚至，不再需要編寫程序指令，只要口述任務，機器自動理解並完成工作。五代機實際上就是智能機，研究人員把新一代計算機稱為「知識信息處理系統」（KIPS）。

日本五代機的領軍人物、「新一代計算機技術研究所」（ICOT）所長淵一博年富力強，當年才46歲。淵一博和五代機「科研浪人」們，自我封閉在東京都市繁華區東京塔旁面對東京灣美景的辦公樓內，近乎玩命地拼搏。結果是，淵一博軍團悲壯地一步步走向困境，最終折戟沉沙，日本五代機項目於1992年終止。

1997年6月，我在日本拜訪傳奇人物淵一博 ，見證了AI在日本的退潮期。我們見面時，他早已從東京市區豪華辦公樓搬到慶應大學一間簡陋辦公室。在這裡低沉的氣氛中，淵一博和我回顧五代機和AI那一段歷程。臨別，目送他落寞的背影，我深切感受到當時日本的AI研究，昔日繁榮已經遠去。

20年沉默締造：因其偉大，故而艱難

上世紀90年代前期AI進入的第二個寒冬，長達二十年之久。在很長時間內，AI項目很難拿到資助經費，相關學科和專業的畢業生也很難找到好工作。甚至，AI領域的教學科研人員都有點不好意思對人介紹自己是搞AI的，因為不少人視之為空談。

有段子形容美國高校當時的AI生存狀態：計算機系裡一般有三群人，一群搞計算機理論，一群搞計算機系統，另外一群搞AI。前兩群常常因門戶之見互相瞧不起，而這兩群人共同瞧不起的，卻是搞AI的這群人。段子有點辛辣，卻真實反映出AI那時的窘況。

這也是AI, 因其偉大，故而艱難。

但是，即使在這樣環境中，AI仍然在默默前行。AI最困難的時候，全球科學家仍然在頑強地堅持，學科領域還在不斷擴大，研究和應用也在不斷深入。個人計算機產業蓬勃發展、互聯網廣泛使用，其實也是一柄雙刃劍，一方面把AI逼入寒冬；另一方面，卻使人類社會獲得前所未有的強大計算能力，通過互聯網積累的信息、數據也出現爆炸性增長，這些實際上都在為AI日後復興打下無比堅實的基礎。吹開AI冰封寒冬的春風，已經在不遠前方了。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！